import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

import pandas as pd
import numpy as np

# Criar datas mensais ao longo de 5 anos
dates = pd.date_range(start="2018-01-01", end="2022-12-31", freq="M")

# Temperaturas fictícias (suponhamos um aumento gradual)
temps = np.linspace(14, 16, len(dates)) + np.random.normal(0, 0.5, len(dates))

temperature_data = pd.DataFrame({
    "Date": dates,
    "Global_Temperature": temps
})

years = np.arange(2018, 2023)
# Supondo uma redução gradual em km^3
ice_melt = np.linspace(100, 90, len(years)) + np.random.normal(0, 1, len(years))

ice_melt_data = pd.DataFrame({
    "Year": years,
    "Ice_Melt_km3": ice_melt
})

regions = ["North America", "Europe", "Asia"]
# Supondo emissões em milhões de toneladas
emissions = np.random.randint(5000, 7000, (len(years), len(regions)))

co2_emissions_data = pd.DataFrame({
    "Year": years,
    "North America": emissions[:, 0],
    "Europe": emissions[:, 1],
    "Asia": emissions[:, 2]
})

# Visualizando a tendência de temperatura ao longo do tempo
plt.figure(figsize=(12, 6))
plt.plot(temperature_data['Date'], temperature_data['Global_Temperature'], label="Temperatura Global")
plt.title('Tendência da Temperatura Global (Dados Fictícios)')
plt.xlabel('Data')
plt.ylabel('Temperatura (°C)')
plt.legend()
plt.show()

# Preparar dados
X = np.array((temperature_data.index)).reshape(-1, 1)
y = temperature_data['Global_Temperature']

# Dividir dados em treino e teste
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Treinar modelo
model = LinearRegression()
model.fit(X_train, y_train)

# Fazer previsões
y_pred = model.predict(X_test)

# Avaliar o modelo
mse = mean_squared_error(y_test, y_pred)
print(f"Erro quadrático médio: {mse}")

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# Criando dados fictícios
date_rng = pd.date_range(start='2000-01-01', end='2022-01-01', freq='A')  # Anos de 2000 a 2022

# Dados fictícios de CO2
co2_data = pd.DataFrame(date_rng, columns=['Date'])
co2_data['CO2_Emissions'] = np.linspace(3200, 4200, len(date_rng)) + np.random.normal(0, 50, len(date_rng))

# Dados fictícios de temperatura
temperature_data = pd.DataFrame(date_rng, columns=['Date'])
temperature_data['Global_Temperature'] = np.linspace(14, 15, len(date_rng)) + np.random.normal(0, 0.2, len(date_rng))

# Dados fictícios de derretimento de geleiras
glacier_data = pd.DataFrame(date_rng, columns=['Date'])
glacier_data['Glacier_Melt'] = np.linspace(500, 400, len(date_rng)) + np.random.normal(0, 5, len(date_rng))

# Agora você pode seguir com os códigos de plotagem que forneci anteriormente.

fig, ax1 = plt.subplots(figsize=(12, 6))

color = 'tab:blue'
ax1.set_xlabel('Data')
ax1.set_ylabel('Temperatura Global (°C)', color=color)
ax1.plot(temperature_data['Date'], temperature_data['Global_Temperature'], label="Temperatura Global", color=color)
ax1.tick_params(axis='y', labelcolor=color)

ax2 = ax1.twinx()
color = 'tab:green'
ax2.set_ylabel('Emissões de CO2 (milhões de toneladas)', color=color)
ax2.plot(co2_data['Date'], co2_data['CO2_Emissions'], label="Emissões de CO2", color=color)
ax2.tick_params(axis='y', labelcolor=color)

plt.title('Comparação da Temperatura Global e Emissões de CO2 (Dados Fictícios)')
plt.show()

# Plotar o derretimento das geleiras ao longo do tempo
plt.figure(figsize=(12, 6))
plt.plot(glacier_data['Date'], glacier_data['Glacier_Melt'], label="Derretimento de Geleiras", color="cyan")
plt.title('Tendência do Derretimento de Geleiras (Dados Fictícios)')
plt.xlabel('Data')
plt.ylabel('Volume (km^3)')
plt.legend()
plt.show()

# Fazendo merge dos dataframes
merged_data = pd.merge(temperature_data, co2_data, on='Date', how='inner')
correlation = merged_data['Global_Temperature'].corr(merged_data['CO2_Emissions'])

print(f"Correlação entre Temperatura Global e Emissões de CO2: {correlation:.2f}")

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from datetime import timedelta

# Preparando os dados para a modelagem
co2_data['Days_Since_Start'] = (co2_data['Date'] - co2_data['Date'].min()).dt.days
X = co2_data[['Days_Since_Start']]
y = co2_data['CO2_Emissions']

# Dividindo os dados em treino e teste
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Criando e treinando o modelo
co2_model = LinearRegression()
co2_model.fit(X_train, y_train)

# Prevendo as emissões de CO2 para os próximos 10 anos (3652 dias)
future_days = np.array(range(X['Days_Since_Start'].max() + 1, X['Days_Since_Start'].max() + 3653)).reshape(-1, 1)
future_co2 = co2_model.predict(future_days)

# Convertendo 'future_days' de volta para formato de data
future_dates = [co2_data['Date'].min() + timedelta(days=int(day)) for day in future_days]

temperature_data['Days_Since_Start'] = (temperature_data['Date'] - temperature_data['Date'].min()).dt.days
X_temp = temperature_data[['Days_Since_Start']]
y_temp = temperature_data['Global_Temperature']

X_train_temp, X_test_temp, y_train_temp, y_test_temp = train_test_split(X_temp, y_temp, test_size=0.2, random_state=42)

temperature_model = LinearRegression()
temperature_model.fit(X_train_temp, y_train_temp)

future_temperature = temperature_model.predict(future_days)

plt.figure(figsize=(14, 6))
plt.plot(co2_data['Date'], co2_data['CO2_Emissions'], label="Emissões de CO2 (Dados Reais)", color="green")
plt.plot(future_dates, future_co2, label="Emissões de CO2 (Previsão)", linestyle='--', color="red")
plt.title('Tendência das Emissões de CO2 para os Próximos 10 Anos')
plt.xlabel('Data')
plt.ylabel('Emissões de CO2')
plt.legend()
plt.show()

plt.figure(figsize=(14, 6))
plt.plot(temperature_data['Date'], temperature_data['Global_Temperature'], label="Temperatura Global (Dados Reais)", color="blue")
plt.plot(future_dates, future_temperature, label="Temperatura Global (Previsão)", linestyle='--', color="red")
plt.title('Tendência da Temperatura Global para os Próximos 10 Anos')
plt.xlabel('Data')
plt.ylabel('Temperatura Global')
plt.legend()
plt.show()

# Define as cores associadas aos níveis com cores vibrantes
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

# ...

# Criando o mapa centrado na Antártica
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')

# Lista para armazenar pontos de calor
heat_data = []

# Criar grupos de camadas para cada tipo de desastre
disaster_layers = {disaster: folium.FeatureGroup(name=disaster) for disaster in disasters}

for _ in range(100):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]  # Obtenha as probabilidades com base no nível de gravidade
    probability = random.randint(min_probability, max_probability)  # Gere uma probabilidade dentro da faixa
    increase_chance = random.randint(1, 100)
    future_prediction = {
        "Tempestade": "Aumento na frequência e intensidade das tempestades.",
        "Fissura no Gelo": "Expansão rápida da fissura e possível desprendimento de iceberg.",
        "Deslizamento": "Perda adicional de gelo e elevação do nível do mar.",
        "Avalanche de Neve": "Maior acúmulo de neve e risco aumentado de avalanches."
    }

    icon_color = colors[level]

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Previsão para o Futuro: {future_prediction[disaster]}</li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )

    # Adiciona o marcador ao grupo de camadas apropriado
    marker.add_to(disaster_layers[disaster])

# Adiciona cada grupo de camadas ao mapa
for disaster, layer in disaster_layers.items():
    layer.add_to(mapa)

# Adiciona o mapa de calor como uma camada separada
heat_layer = HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

# Adiciona o controle de camadas ao mapa, permitindo que o usuário selecione os desastres que deseja visualizar
folium.LayerControl().add_to(mapa)

# Salva o mapa em um arquivo HTML
mapa.save("antarctica_disasters_vibrant_colors.html")

# Exibe o mapa
mapa

# Define as cores associadas aos níveis com cores vibrantes
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

# ...

# Criando o mapa centrado na Antártica
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')

# Lista para armazenar pontos de calor
heat_data = []

# Criar grupos de camadas para cada tipo de desastre
disaster_layers = {disaster: folium.FeatureGroup(name=disaster) for disaster in disasters}

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]  # Obtenha as probabilidades com base no nível de gravidade
    probability = random.randint(min_probability, max_probability)  # Gere uma probabilidade dentro da faixa
    increase_chance = random.randint(1, 100)
    future_prediction = {
        "Tempestade": "Aumento na frequência e intensidade das tempestades.",
        "Fissura no Gelo": "Expansão rápida da fissura e possível desprendimento de iceberg.",
        "Deslizamento": "Perda adicional de gelo e elevação do nível do mar.",
        "Avalanche de Neve": "Maior acúmulo de neve e risco aumentado de avalanches."
    }

    icon_color = colors[level]

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Previsão para o Futuro: {future_prediction[disaster]}</li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )

    # Adiciona o marcador ao grupo de camadas apropriado
    marker.add_to(disaster_layers[disaster])

# Adiciona cada grupo de camadas ao mapa
for disaster, layer in disaster_layers.items():
    layer.add_to(mapa)

# Adiciona o mapa de calor como uma camada separada
heat_layer = HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

# Adiciona o controle de camadas ao mapa, permitindo que o usuário selecione os desastres que deseja visualizar
folium.LayerControl().add_to(mapa)

# Salva o mapa em um arquivo HTML
mapa.save("antarctica_disasters_vibrant_colors.html")

# Exibe o mapa
mapa

!pip install folium pandas openpyxl

import folium
import random
import pandas as pd
import base64
from io import BytesIO
from folium.plugins import HeatMap

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# Função para gerar o link do Excel em base64:
def generate_excel_link(disaster):
    data = {
        'Data': ['2023-10-01', '2023-10-02', '2023-10-03'],
        'Evento': [disaster] * 3,
        'Impacto': ['Baixo', 'Médio', 'Alto']
    }
    df = pd.DataFrame(data)

    # Armazenamos o arquivo em um buffer
    buffer = BytesIO()
    writer = pd.ExcelWriter(buffer, engine='openpyxl')
    df.to_excel(writer, sheet_name="Dados", index=False)
    writer.save()

    # Codificamos o buffer em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(buffer.getvalue()).decode('utf-8')
    mime_type = "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"
    href = f"data:{mime_type};base64,{excel_base64}"
    return href

# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
            <div class="card-footer">
                <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
            </div>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )
    marker.add_to(mapa)

heat_layer = HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

mapa.save("antarctica_disasters_v2.html")
mapa

import folium
import random
import pandas as pd
import base64
from io import BytesIO
from folium.plugins import HeatMap

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# Função para gerar o link do Excel em base64:
def generate_excel_link(disaster):
    data = {
        'Data': ['2023-10-01', '2023-10-02', '2023-10-03'],
        'Evento': [disaster] * 3,
        'Impacto': ['Baixo', 'Médio', 'Alto']
    }
    df = pd.DataFrame(data)

    # Armazenamos o arquivo em um buffer
    buffer = BytesIO()
    writer = pd.ExcelWriter(buffer, engine='openpyxl')
    df.to_excel(writer, sheet_name="Dados", index=False)
    writer.save()

    # Codificamos o buffer em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(buffer.getvalue()).decode('utf-8')
    mime_type = "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"
    href = f"data:{mime_type};base64,{excel_base64}"
    return href

# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
<div style="width:250px;">
    <div class="card">
        <div class="card-header" style="background-color: {icon_color}; color: white;">
            <strong>{disaster}</strong>
        </div>
        <ul class="list-group list-group-flush">
            <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
            <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
            <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            <li class="list-group-item">Previsão: {"Aumento na frequência e intensidade das tempestades." if disaster == "Tempestade" else "Expansão rápida da fissura e possível desprendimento de iceberg." if disaster == "Fissura no Gelo" else "Perda adicional de gelo e elevação do nível do mar." if disaster == "Deslizamento" else "Maior acúmulo de neve e risco aumentado de avalanches."}</li>
        </ul>
        <div class="card-footer">
            <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
        </div>
    </div>
</div>
"""
    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )
    marker.add_to(mapa)

heat_layer = HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

mapa.save("antarctica_disasters_v2.html")
mapa

import folium
import random
import pandas as pd
import base64
from io import BytesIO
from folium.plugins import HeatMap

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]

# Criação do DataFrame com dados fictícios
data = {
    'Evento': disasters,
    'Nível de Gravidade': random.choices(levels, k=len(disasters)),
    'Probabilidade (%)': [random.randint(1, 100) for _ in disasters],
    'Previsão': [
        "Aumento na frequência e intensidade das tempestades.",
        "Expansão rápida da fissura e possível desprendimento de iceberg.",
        "Perda adicional de gelo e elevação do nível do mar.",
        "Maior acúmulo de neve e risco aumentado de avalanches."
    ]
}
df = pd.DataFrame(data)

# Função para gerar o link do Excel em base64:
def generate_excel_link(disaster):
    df_disaster = df[df['Evento'] == disaster]
    buffer = BytesIO()
    df_disaster.to_excel(buffer, index=False)
    excel_base64 = base64.b64encode(buffer.getvalue()).decode('utf-8')
    mime_type = "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"
    href = f"data:{mime_type};base64,{excel_base64}"
    return href

# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = 1, 100  # Valores fictícios para a probabilidade
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]

    # Obtenha os dados relevantes do DataFrame
    data_row = df[df['Evento'] == disaster].iloc[0]
    probability = random.randint(data_row['Probabilidade (%)'], 100)  # Use a probabilidade do DataFrame
    future_prediction = data_row['Previsão']

    # Gere o link para o Excel
    excel_link = generate_excel_link(disaster)

    info = f"""
<div style="width:250px;">
    <div class="card">
        <div class="card-header" style="background-color: {icon_color}; color: white;">
            <strong>{disaster}</strong>
        </div>
        <ul class="list-group list-group-flush">
            <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
            <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
            <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            <li class="list-group-item">Previsão: {future_prediction}</li>
        </ul>
        <div class="card-footer">
            <a href="{excel_link}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
        </div>
    </div>
</div>
"""
    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(color=icon_color)
    )
    marker.add_to(mapa)

heat_layer = HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

mapa.save("antarctica_disasters_v4.html")
mapa

!pip install matplotlib

import folium
import random
import pandas as pd
import base64
import xlsxwriter
from io import BytesIO
import matplotlib.pyplot as plt

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# Função para gerar o link do Excel em base64 com gráficos
def generate_excel_link(disaster):
    # Criar DataFrame com dados fictícios
    data = {
        'Data': ['2023-10-01', '2023-10-02', '2023-10-03'],
        'Evento': [disaster] * 3,
        'Impacto': ['Baixo', 'Médio', 'Alto'],
        'Aumento': [random.randint(0, 20), random.randint(0, 20), random.randint(0, 20)],
        'Previsão': [random.randint(0, 20), random.randint(0, 20), random.randint(0, 20)]
    }
    df = pd.DataFrame(data)

    # Criar arquivo Excel com gráficos
    output = BytesIO()
    writer = pd.ExcelWriter(output, engine='xlsxwriter')
    df.to_excel(writer, sheet_name='Dados', index=False)
    workbook = writer.book
    worksheet = writer.sheets['Dados']

    # Configurar gráfico de Aumento
    chart = workbook.add_chart({'type': 'line'})
    chart.add_series({'values': ['Dados', 1, 4, 3, 4], 'name': ['Dados', 0, 4]})
    chart.set_title({'name': 'Aumento'})
    worksheet.insert_chart('F2', chart)

    # Configurar gráfico de Previsão
    chart2 = workbook.add_chart({'type': 'line'})
    chart2.add_series({'values': ['Dados', 1, 5, 3, 5], 'name': ['Dados', 0, 5]})
    chart2.set_title({'name': 'Previsão'})
    worksheet.insert_chart('F18', chart2)

    writer.save()
    excel_data = output.getvalue()

    # Codificar o arquivo Excel em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(excel_data).decode('utf-8')
    href = f"data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,{excel_base64}"
    return href

# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
            <div class="card-footer">
                <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
            </div>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )
    marker.add_to(mapa)

heat_layer = folium.plugins.HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

mapa.save("antarctica_disasters_v3.html")
mapa

!pip install XlsxWriter

import folium
import random
import pandas as pd
import base64
import xlsxwriter
from io import BytesIO
import matplotlib.pyplot as plt

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# ... (parte inicial do código permanece inalterada)

# Dicionários fictícios para gases causadores e impactos
gases_causadores = {
    "Tempestade": "Dióxido de enxofre (25%), Metano (45%)",
    "Fissura no Gelo": "Dióxido de carbono (70%), Óxido nitroso (10%)",
    "Deslizamento": "Metano (60%), Ozônio (10%)",
    "Avalanche de Neve": "Vapor d'água (60%), Dióxido de carbono (20%)"
}

impactos = {
    "Tempestade": "Alagamentos, Destruição de casas",
    "Fissura no Gelo": "Aumento do nível do mar, Perda de habitats",
    "Deslizamento": "Destruição de estradas, Interrupção de serviços",
    "Avalanche de Neve": "Mortes, Destruição de infraestrutura"
}

consequencias = {
    "Tempestade": "Deslocamento de populações, Perdas econômicas",
    "Fissura no Gelo": "Inundação de cidades costeiras, Perda de biodiversidade",
    "Deslizamento": "Isolamento de comunidades, Acidentes",
    "Avalanche de Neve": "Emergência humanitária, Perda de comunicações"
}

afetados = {
    "Tempestade": "Populações ribeirinhas, Agricultores",
    "Fissura no Gelo": "Comunidades costeiras, Animais polares",
    "Deslizamento": "Motoristas, Residentes locais",
    "Avalanche de Neve": "Montanhistas, Comunidades locais"
}

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
def generate_excel_link(disaster):
    # Criar DataFrame com dados fictícios
    current_year = 2023
    years = [f"{current_year + i}" for i in range(10)]
    growth = [random.randint(0, 20) + i*3 for i in range(10)]

    # Primeiro, vamos adicionar os anos e crescimento
    data = {
        'Ano': years,
        'Crescimento': growth
    }

    # Em seguida, adicionar informações que são constantes
    data['Gases Causadores'] = [gases_causadores[disaster] if i == 0 else "" for i in range(10)]
    data['Impactos'] = [impactos[disaster] if i == 0 else "" for i in range(10)]
    data['Consequências'] = [consequencias[disaster] if i == 0 else "" for i in range(10)]
    data['Afetados'] = [afetados[disaster] if i == 0 else "" for i in range(10)]

    df = pd.DataFrame(data)

    # Criar arquivo Excel com gráficos
    output = BytesIO()
    writer = pd.ExcelWriter(output, engine='xlsxwriter')
    df.to_excel(writer, sheet_name=f'{disaster} - Crescimento', index=False)
    workbook = writer.book
    worksheet = writer.sheets[f'{disaster} - Crescimento']

    # Configurar gráfico de Crescimento ao longo dos anos
    chart = workbook.add_chart({'type': 'line'})
    chart.add_series({
        'values': [f'{disaster} - Crescimento', 1, 1, 10, 1],
        'name': [f'{disaster} - Crescimento', 0, 1],
        'categories': [f'{disaster} - Crescimento', 1, 0, 10, 0]
    })
    chart.set_title({'name': 'Crescimento ao longo dos anos'})
    chart.set_x_axis({'name': 'Ano'})
    chart.set_y_axis({'name': 'Crescimento'})
    worksheet.insert_chart('H2', chart)

    writer.save()
    excel_data = output.getvalue()

    # Codificar o arquivo Excel em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(excel_data).decode('utf-8')
    href = f"data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,{excel_base64}"
    return href

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
            <div class="card-footer">
                <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
            </div>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )
    marker.add_to(mapa)

heat_layer = folium.plugins.HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

mapa.save("antarctica_disasters_v3.html")
mapa

import folium
import random
import pandas as pd
import base64
import xlsxwriter
from io import BytesIO
import matplotlib.pyplot as plt

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# ... (parte inicial do código permanece inalterada)

# Dicionários fictícios para gases causadores e impactos
gases_causadores = {
    "Tempestade": "Dióxido de enxofre (25%), Metano (45%)",
    "Fissura no Gelo": "Dióxido de carbono (70%), Óxido nitroso (10%)",
    "Deslizamento": "Metano (60%), Ozônio (10%)",
    "Avalanche de Neve": "Vapor d'água (60%), Dióxido de carbono (20%)"
}

impactos = {
    "Tempestade": "Alagamentos, Destruição de casas",
    "Fissura no Gelo": "Aumento do nível do mar, Perda de habitats",
    "Deslizamento": "Destruição de estradas, Interrupção de serviços",
    "Avalanche de Neve": "Mortes, Destruição de infraestrutura"
}

consequencias = {
    "Tempestade": "Deslocamento de populações, Perdas econômicas",
    "Fissura no Gelo": "Inundação de cidades costeiras, Perda de biodiversidade",
    "Deslizamento": "Isolamento de comunidades, Acidentes",
    "Avalanche de Neve": "Emergência humanitária, Perda de comunicações"
}

afetados = {
    "Tempestade": "Populações ribeirinhas, Agricultores",
    "Fissura no Gelo": "Comunidades costeiras, Animais polares",
    "Deslizamento": "Motoristas, Residentes locais",
    "Avalanche de Neve": "Montanhistas, Comunidades locais"
}

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
def generate_excel_link(disaster):
    # Criar DataFrame com dados fictícios
    current_year = 2023
    years = [f"{current_year + i}" for i in range(10)]
    growth = [random.randint(0, 20) + i*3 for i in range(10)]

    # Primeiro, vamos adicionar os anos e crescimento
    data = {
        'Ano': years,
        'Crescimento': growth
    }

    # Em seguida, adicionar informações que são constantes
    data['Gases Causadores'] = [gases_causadores[disaster] if i == 0 else "" for i in range(10)]
    data['Impactos'] = [impactos[disaster] if i == 0 else "" for i in range(10)]
    data['Consequências'] = [consequencias[disaster] if i == 0 else "" for i in range(10)]
    data['Afetados'] = [afetados[disaster] if i == 0 else "" for i in range(10)]

    df = pd.DataFrame(data)

    # Criar arquivo Excel com gráficos
    output = BytesIO()
    writer = pd.ExcelWriter(output, engine='xlsxwriter')
    df.to_excel(writer, sheet_name=f'{disaster} - Crescimento', index=False)
    workbook = writer.book
    worksheet = writer.sheets[f'{disaster} - Crescimento']

    # Configurar gráfico de Crescimento ao longo dos anos
    chart = workbook.add_chart({'type': 'line'})
    chart.add_series({
        'values': [f'{disaster} - Crescimento', 1, 1, 10, 1],
        'name': [f'{disaster} - Crescimento', 0, 1],
        'categories': [f'{disaster} - Crescimento', 1, 0, 10, 0]
    })
    chart.set_title({'name': 'Crescimento ao longo dos anos'})
    chart.set_x_axis({'name': 'Ano'})
    chart.set_y_axis({'name': 'Crescimento'})
    worksheet.insert_chart('H2', chart)

    writer.save()
    excel_data = output.getvalue()

    # Codificar o arquivo Excel em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(excel_data).decode('utf-8')
    href = f"data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,{excel_base64}"
    return href

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

    disaster_layers = {disaster: folium.FeatureGroup(name=disaster) for disaster in disasters}

# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
            <div class="card-footer">
                <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
            </div>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )

    # Adiciona o marcador ao grupo de camadas apropriado
    marker.add_to(disaster_layers[disaster])

# Adiciona cada grupo de camadas ao mapa
for disaster, layer in disaster_layers.items():
    layer.add_to(mapa)

heat_layer = folium.plugins.HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

# Adiciona o controle de camadas ao mapa
folium.LayerControl().add_to(mapa)

mapa.save("antarctica_disasters_v3.html")
mapa

import folium
import random
import pandas as pd
import base64
import xlsxwriter
from io import BytesIO
import matplotlib.pyplot as plt

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# ... (parte inicial do código permanece inalterada)

# Dicionários fictícios para gases causadores e impactos
gases_causadores = {
    "Tempestade": "Dióxido de enxofre (25%), Metano (45%)",
    "Fissura no Gelo": "Dióxido de carbono (70%), Óxido nitroso (10%)",
    "Deslizamento": "Metano (60%), Ozônio (10%)",
    "Avalanche de Neve": "Vapor d'água (60%), Dióxido de carbono (20%)"
}

impactos = {
    "Tempestade": "Alagamentos, Destruição de casas",
    "Fissura no Gelo": "Aumento do nível do mar, Perda de habitats",
    "Deslizamento": "Destruição de estradas, Interrupção de serviços",
    "Avalanche de Neve": "Mortes, Destruição de infraestrutura"
}

consequencias = {
    "Tempestade": "Deslocamento de populações, Perdas econômicas",
    "Fissura no Gelo": "Inundação de cidades costeiras, Perda de biodiversidade",
    "Deslizamento": "Isolamento de comunidades, Acidentes",
    "Avalanche de Neve": "Emergência humanitária, Perda de comunicações"
}

afetados = {
    "Tempestade": "Populações ribeirinhas, Agricultores",
    "Fissura no Gelo": "Comunidades costeiras, Animais polares",
    "Deslizamento": "Motoristas, Residentes locais",
    "Avalanche de Neve": "Montanhistas, Comunidades locais"
}

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
def generate_excel_link(disaster):
    # Criar DataFrame com dados fictícios
    current_year = 2023
    years = [f"{current_year + i}" for i in range(10)]
    growth = [random.randint(0, 20) + i*3 for i in range(10)]

    # Primeiro, vamos adicionar os anos e crescimento
    data = {
        'Ano': years,
        'Crescimento': growth
    }

    # Em seguida, adicionar informações que são constantes
    data['Gases Causadores'] = [gases_causadores[disaster] if i == 0 else "" for i in range(10)]
    data['Impactos'] = [impactos[disaster] if i == 0 else "" for i in range(10)]
    data['Consequências'] = [consequencias[disaster] if i == 0 else "" for i in range(10)]
    data['Afetados'] = [afetados[disaster] if i == 0 else "" for i in range(10)]

    df = pd.DataFrame(data)

    # Criar arquivo Excel com gráficos
    output = BytesIO()
    writer = pd.ExcelWriter(output, engine='xlsxwriter')
    df.to_excel(writer, sheet_name=f'{disaster} - Crescimento', index=False)
    workbook = writer.book
    worksheet = writer.sheets[f'{disaster} - Crescimento']

    # Configurar gráfico de Crescimento ao longo dos anos
    chart = workbook.add_chart({'type': 'line'})
    chart.add_series({
        'values': [f'{disaster} - Crescimento', 1, 1, 10, 1],
        'name': [f'{disaster} - Crescimento', 0, 1],
        'categories': [f'{disaster} - Crescimento', 1, 0, 10, 0]
    })
    chart.set_title({'name': 'Crescimento ao longo dos anos'})
    chart.set_x_axis({'name': 'Ano'})
    chart.set_y_axis({'name': 'Crescimento'})
    worksheet.insert_chart('H2', chart)

    writer.save()
    excel_data = output.getvalue()

    # Codificar o arquivo Excel em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(excel_data).decode('utf-8')
    href = f"data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,{excel_base64}"
    return href

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

    disaster_layers = {disaster: folium.FeatureGroup(name=disaster) for disaster in disasters}
global_emission_data = []
for _ in range(500):  # Gerando 500 pontos fictícios
    lat = random.uniform(-60, 85)
    lon = random.uniform(-180, 180)
    global_emission_data.append([lat, lon])
# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
            <div class="card-footer">
                <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
            </div>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )

    # Adiciona o marcador ao grupo de camadas apropriado
    marker.add_to(disaster_layers[disaster])

# Adiciona cada grupo de camadas ao mapa
for disaster, layer in disaster_layers.items():
    layer.add_to(mapa)
global_emission_layer = folium.plugins.HeatMap(global_emission_data, name="Emissões Globais", gradient={0.2: 'blue', 0.4: 'green', 0.6: 'yellow', 0.8: 'orange', 1: 'red'})
global_emission_layer.add_to(mapa)
heat_layer = folium.plugins.HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

# Adiciona o controle de camadas ao mapa
folium.LayerControl().add_to(mapa)

mapa.save("antarctica_disasters_v3.html")
mapa

import folium
import random
import pandas as pd
import base64
import xlsxwriter
from io import BytesIO
import matplotlib.pyplot as plt

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# ... (parte inicial do código permanece inalterada)

# Dicionários fictícios para gases causadores e impactos
gases_causadores = {
    "Tempestade": "Dióxido de enxofre (25%), Metano (45%)",
    "Fissura no Gelo": "Dióxido de carbono (70%), Óxido nitroso (10%)",
    "Deslizamento": "Metano (60%), Ozônio (10%)",
    "Avalanche de Neve": "Vapor d'água (60%), Dióxido de carbono (20%)"
}

impactos = {
    "Tempestade": "Alagamentos, Destruição de casas",
    "Fissura no Gelo": "Aumento do nível do mar, Perda de habitats",
    "Deslizamento": "Destruição de estradas, Interrupção de serviços",
    "Avalanche de Neve": "Mortes, Destruição de infraestrutura"
}

consequencias = {
    "Tempestade": "Deslocamento de populações, Perdas econômicas",
    "Fissura no Gelo": "Inundação de cidades costeiras, Perda de biodiversidade",
    "Deslizamento": "Isolamento de comunidades, Acidentes",
    "Avalanche de Neve": "Emergência humanitária, Perda de comunicações"
}

afetados = {
    "Tempestade": "Populações ribeirinhas, Agricultores",
    "Fissura no Gelo": "Comunidades costeiras, Animais polares",
    "Deslizamento": "Motoristas, Residentes locais",
    "Avalanche de Neve": "Montanhistas, Comunidades locais"
}

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
def generate_excel_link(disaster):
    # Criar DataFrame com dados fictícios
    current_year = 2023
    years = [f"{current_year + i}" for i in range(10)]
    growth = [random.randint(0, 20) + i*3 for i in range(10)]

    # Primeiro, vamos adicionar os anos e crescimento
    data = {
        'Ano': years,
        'Crescimento': growth
    }

    # Em seguida, adicionar informações que são constantes
    data['Gases Causadores'] = [gases_causadores[disaster] if i == 0 else "" for i in range(10)]
    data['Impactos'] = [impactos[disaster] if i == 0 else "" for i in range(10)]
    data['Consequências'] = [consequencias[disaster] if i == 0 else "" for i in range(10)]
    data['Afetados'] = [afetados[disaster] if i == 0 else "" for i in range(10)]

    df = pd.DataFrame(data)

    # Criar arquivo Excel com gráficos
    output = BytesIO()
    writer = pd.ExcelWriter(output, engine='xlsxwriter')
    df.to_excel(writer, sheet_name=f'{disaster} - Crescimento', index=False)
    workbook = writer.book
    worksheet = writer.sheets[f'{disaster} - Crescimento']

    # Configurar gráfico de Crescimento ao longo dos anos
    chart = workbook.add_chart({'type': 'line'})
    chart.add_series({
        'values': [f'{disaster} - Crescimento', 1, 1, 10, 1],
        'name': [f'{disaster} - Crescimento', 0, 1],
        'categories': [f'{disaster} - Crescimento', 1, 0, 10, 0]
    })
    chart.set_title({'name': 'Crescimento ao longo dos anos'})
    chart.set_x_axis({'name': 'Ano'})
    chart.set_y_axis({'name': 'Crescimento'})
    worksheet.insert_chart('H2', chart)

    writer.save()
    excel_data = output.getvalue()

    # Codificar o arquivo Excel em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(excel_data).decode('utf-8')
    href = f"data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,{excel_base64}"
    return href

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

#...

# Adicionando regiões afetadas ao mapa
for region, coordinates in affected_regions.items():
    impacts = "<br>".join(regional_impacts[region])

    # Criando a mensagem para exibir no popup
    message = f"<strong>{region}</strong><br>{impacts}"

    folium.Marker(
        location=coordinates,
        popup=message,
        icon=folium.Icon(icon='exclamation-circle', color='darkblue', prefix='fa')
    ).add_to(mapa)

#... Resto do código...

# ... (restante do código de criação de mapa permanece inalterado)

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

    disaster_layers = {disaster: folium.FeatureGroup(name=disaster) for disaster in disasters}
global_emission_data = []
for _ in range(500):  # Gerando 500 pontos fictícios
    lat = random.uniform(-60, 85)
    lon = random.uniform(-180, 180)
    global_emission_data.append([lat, lon])

# Definição dos dicionários

affected_regions = {
    "Veneza, Itália": [45.4408, 12.3155],
    "Holanda": [52.3676, 4.9041],
    "Dhaka, Bangladesh": [23.8103, 90.4125],
    "Miami, Estados Unidos": [25.7617, -80.1918],
    "Maldivas": [3.2028, 73.2207],
    "Bangkok, Tailândia": [13.7563, 100.5018]
}

regional_impacts = {
    "Veneza, Itália": ["Aumento frequente das inundações", "Danos a monumentos históricos", "Impacto no turismo"],
    "Holanda": ["Inundações costeiras", "Perda de terras agrícolas", "Danos à infraestrutura urbana"],
    "Dhaka, Bangladesh": ["Submersão de áreas costeiras", "Deslocamento de milhões de pessoas", "Aumento da salinidade da água potável", "Perda de terra arável"],
    "Miami, Estados Unidos": ["Inundações costeiras frequentes", "Erosão da praia", "Impacto nas propriedades à beira-mar", "Ameaça a ecossistemas como os Everglades"],
    "Maldivas": ["Ameaça de submersão completa do país", "Perda de habitats marinhos", "Dano ao turismo", "Escassez de água doce"],
    "Bangkok, Tailândia": ["Inundações frequentes", "Subsídio da terra", "Deterioração de monumentos e templos", "Efeitos econômicos no turismo"]
}

# O restante do código de adição de marcadores e impactos no mapa permanece o mesmo.





# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
            <div class="card-footer">
                <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
            </div>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )

    # Adiciona o marcador ao grupo de camadas apropriado
    marker.add_to(disaster_layers[disaster])

# Adiciona cada grupo de camadas ao mapa
for disaster, layer in disaster_layers.items():
    layer.add_to(mapa)
global_emission_layer = folium.plugins.HeatMap(global_emission_data, name="Emissões Globais", gradient={0.2: 'blue', 0.4: 'green', 0.6: 'yellow', 0.8: 'orange', 1: 'red'})
global_emission_layer.add_to(mapa)
heat_layer = folium.plugins.HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

# Adiciona o controle de camadas ao mapa
folium.LayerControl().add_to(mapa)

mapa.save("antarctica_disasters_v3.html")
mapa

import folium
import random
import pandas as pd
import base64
import xlsxwriter
from io import BytesIO
import matplotlib.pyplot as plt

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# ... (parte inicial do código permanece inalterada)

# Dicionários fictícios para gases causadores e impactos
gases_causadores = {
    "Tempestade": "Dióxido de enxofre (25%), Metano (45%)",
    "Fissura no Gelo": "Dióxido de carbono (70%), Óxido nitroso (10%)",
    "Deslizamento": "Metano (60%), Ozônio (10%)",
    "Avalanche de Neve": "Vapor d'água (60%), Dióxido de carbono (20%)"
}

impactos = {
    "Tempestade": "Alagamentos, Destruição de casas",
    "Fissura no Gelo": "Aumento do nível do mar, Perda de habitats",
    "Deslizamento": "Destruição de estradas, Interrupção de serviços",
    "Avalanche de Neve": "Mortes, Destruição de infraestrutura"
}

consequencias = {
    "Tempestade": "Deslocamento de populações, Perdas econômicas",
    "Fissura no Gelo": "Inundação de cidades costeiras, Perda de biodiversidade",
    "Deslizamento": "Isolamento de comunidades, Acidentes",
    "Avalanche de Neve": "Emergência humanitária, Perda de comunicações"
}

afetados = {
    "Tempestade": "Populações ribeirinhas, Agricultores",
    "Fissura no Gelo": "Comunidades costeiras, Animais polares",
    "Deslizamento": "Motoristas, Residentes locais",
    "Avalanche de Neve": "Montanhistas, Comunidades locais"
}

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
# ... (Parte inicial do código permanece inalterada)

# Função para gerar o link do Excel em base64 com gráficos
def generate_excel_link(disaster):
    # Criar DataFrame com dados fictícios
    current_year = 2023
    years = [f"{current_year + i}" for i in range(10)]
    growth = [random.randint(0, 20) + i*3 for i in range(10)]

    # Primeiro, vamos adicionar os anos e crescimento
    data = {
        'Ano': years,
        'Crescimento': growth
    }

    # Em seguida, adicionar informações que são constantes
    data['Gases Causadores'] = [gases_causadores[disaster] if i == 0 else "" for i in range(10)]
    data['Impactos'] = [impactos[disaster] if i == 0 else "" for i in range(10)]
    data['Consequências'] = [consequencias[disaster] if i == 0 else "" for i in range(10)]
    data['Afetados'] = [afetados[disaster] if i == 0 else "" for i in range(10)]

    df = pd.DataFrame(data)

    # Criar arquivo Excel com gráficos
    output = BytesIO()
    writer = pd.ExcelWriter(output, engine='xlsxwriter')
    df.to_excel(writer, sheet_name=f'{disaster} - Crescimento', index=False)
    workbook = writer.book
    worksheet = writer.sheets[f'{disaster} - Crescimento']

    # Configurar gráfico de Crescimento ao longo dos anos
    chart = workbook.add_chart({'type': 'line'})
    chart.add_series({
        'values': [f'{disaster} - Crescimento', 1, 1, 10, 1],
        'name': [f'{disaster} - Crescimento', 0, 1],
        'categories': [f'{disaster} - Crescimento', 1, 0, 10, 0]
    })
    chart.set_title({'name': 'Crescimento ao longo dos anos'})
    chart.set_x_axis({'name': 'Ano'})
    chart.set_y_axis({'name': 'Crescimento'})
    worksheet.insert_chart('H2', chart)

    writer.save()
    excel_data = output.getvalue()

    # Codificar o arquivo Excel em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(excel_data).decode('utf-8')
    href = f"data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,{excel_base64}"
    return href

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

#...

# Adicionando regiões afetadas ao mapa
for region, coordinates in affected_regions.items():
    impacts = "<br>".join(regional_impacts[region])

    # Criando a mensagem para exibir no popup
    message = f"<strong>{region}</strong><br>{impacts}"

    folium.Marker(
        location=coordinates,
        popup=message,
        icon=folium.Icon(icon='exclamation-circle', color='darkblue', prefix='fa')
    ).add_to(mapa)

#... Resto do código...

# ... (restante do código de criação de mapa permanece inalterado)

# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)


# ... (restante do código de criação de mapa permanece inalterado)

    disaster_layers = {disaster: folium.FeatureGroup(name=disaster) for disaster in disasters}
global_emission_data = []
for _ in range(500):  # Gerando 500 pontos fictícios
    lat = random.uniform(-60, 85)
    lon = random.uniform(-180, 180)
    global_emission_data.append([lat, lon])

# Definição dos dicionários

import folium

def plot_affected_regions(affected_regions, regional_impacts):
    m = folium.Map(location=[20, 0], zoom_start=2)

    for region, coordinates in affected_regions.items():
        details = "<br>".join(regional_impacts[region])
        popup_content = f"<strong>{region}</strong><br>{details}"
        folium.Marker(
            location=coordinates,
            popup=popup_content,
            icon=folium.Icon(color="red")
        ).add_to(m)

    return m

# Dados para as regiões afetadas
affected_regions = {
    "Veneza, Itália": [45.4408, 12.3155],
    "Holanda": [52.3676, 4.9041],
    "Dhaka, Bangladesh": [23.8103, 90.4125],
    "Miami, Estados Unidos": [25.7617, -80.1918],
    "Maldivas": [3.2028, 73.2207],
    "Bangkok, Tailândia": [13.7563, 100.5018]
}

regional_impacts = {
    "Veneza, Itália": ["Aumento frequente das inundações", "Danos a monumentos históricos", "Impacto no turismo", "Vítimas: População local e turistas"],
    "Holanda": ["Inundações costeiras", "Perda de terras agrícolas", "Danos à infraestrutura urbana", "Vítimas: Agricultores e residentes locais"],
    "Dhaka, Bangladesh": ["Submersão de áreas costeiras", "Deslocamento de milhões de pessoas", "Aumento da salinidade da água potável", "Perda de terra arável", "Vítimas: População costeira"],
    "Miami, Estados Unidos": ["Inundações costeiras frequentes", "Erosão da praia", "Impacto nas propriedades à beira-mar", "Ameaça a ecossistemas como os Everglades", "Vítimas: Residentes locais e turistas"],
    "Maldivas": ["Ameaça de submersão completa do país", "Perda de habitats marinhos", "Dano ao turismo", "Escassez de água doce", "Vítimas: População local e turistas"],
    "Bangkok, Tailândia": ["Inundações frequentes", "Subsídio da terra", "Deterioração de monumentos e templos", "Efeitos econômicos no turismo", "Vítimas: População local e turistas"]
}

mapa = plot_affected_regions(affected_regions, regional_impacts)
mapa.save("mapa_afetados.html")

# O restante do código de adição de marcadores e impactos no mapa permanece o mesmo.





# Criação do mapa
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
            <div class="card-footer">
                <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
            </div>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )

    # Adiciona o marcador ao grupo de camadas apropriado
    marker.add_to(disaster_layers[disaster])

# Adiciona cada grupo de camadas ao mapa
for disaster, layer in disaster_layers.items():
    layer.add_to(mapa)
global_emission_layer = folium.plugins.HeatMap(global_emission_data, name="Emissões Globais", gradient={0.2: 'blue', 0.4: 'green', 0.6: 'yellow', 0.8: 'orange', 1: 'red'})
global_emission_layer.add_to(mapa)
heat_layer = folium.plugins.HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

# Adiciona o controle de camadas ao mapa
folium.LayerControl().add_to(mapa)

mapa.save("antarctica_disasters_v3.html")
mapa

import folium
import random
import pandas as pd
import base64
import xlsxwriter
from io import BytesIO
import matplotlib.pyplot as plt

# Definições iniciais
colors = {
    "Baixo": "green",
    "Médio": "orange",
    "Alto": "red",
    "Eminente": "purple"
}

disasters = ["Tempestade", "Fissura no Gelo", "Deslizamento", "Avalanche de Neve"]
levels = ["Baixo", "Médio", "Alto", "Eminente"]
probabilities = {
    "Baixo": (10, 30),
    "Médio": (31, 60),
    "Alto": (61, 90),
    "Eminente": (91, 100)
}

icons = {
    "Tempestade": "cloud",
    "Fissura no Gelo": "tint",
    "Deslizamento": "arrow-down",
    "Avalanche de Neve": "mountain"
}

# Dicionários fictícios para gases causadores e impactos
gases_causadores = {
    "Tempestade": "Dióxido de enxofre (25%), Metano (45%)",
    "Fissura no Gelo": "Dióxido de carbono (70%), Óxido nitroso (10%)",
    "Deslizamento": "Metano (60%), Ozônio (10%)",
    "Avalanche de Neve": "Vapor d'água (60%), Dióxido de carbono (20%)"
}

impactos = {
    "Tempestade": "Alagamentos, Destruição de casas",
    "Fissura no Gelo": "Aumento do nível do mar, Perda de habitats",
    "Deslizamento": "Destruição de estradas, Interrupção de serviços",
    "Avalanche de Neve": "Mortes, Destruição de infraestrutura"
}

consequencias = {
    "Tempestade": "Deslocamento de populações, Perdas econômicas",
    "Fissura no Gelo": "Inundação de cidades costeiras, Perda de biodiversidade",
    "Deslizamento": "Isolamento de comunidades, Acidentes",
    "Avalanche de Neve": "Emergência humanitária, Perda de comunicações"
}

afetados = {
    "Tempestade": "Populações ribeirinhas, Agricultores",
    "Fissura no Gelo": "Comunidades costeiras, Animais polares",
    "Deslizamento": "Motoristas, Residentes locais",
    "Avalanche de Neve": "Montanhistas, Comunidades locais"
}

# Função para gerar o link do Excel em base64 com gráficos
def generate_excel_link(disaster):
    # Criar DataFrame com dados fictícios
    current_year = 2023
    years = [f"{current_year + i}" for i in range(10)]
    growth = [random.randint(0, 20) + i*3 for i in range(10)]

    # Primeiro, vamos adicionar os anos e crescimento
    data = {
        'Ano': years,
        'Crescimento': growth
    }

    # Em seguida, adicionar informações que são constantes
    data['Gases Causadores'] = [gases_causadores[disaster] if i == 0 else "" for i in range(10)]
    data['Impactos'] = [impactos[disaster] if i == 0 else "" for i in range(10)]
    data['Consequências'] = [consequencias[disaster] if i == 0 else "" for i in range(10)]
    data['Afetados'] = [afetados[disaster] if i == 0 else "" for i in range(10)]

    df = pd.DataFrame(data)

    # Criar arquivo Excel com gráficos
    output = BytesIO()
    writer = pd.ExcelWriter(output, engine='xlsxwriter')
    df.to_excel(writer, sheet_name=f'{disaster} - Crescimento', index=False)
    workbook = writer.book
    worksheet = writer.sheets[f'{disaster} - Crescimento']

    # Configurar gráfico de Crescimento ao longo dos anos
    chart = workbook.add_chart({'type': 'line'})
    chart.add_series({
        'values': [f'{disaster} - Crescimento', 1, 1, 10, 1],
        'name': [f'{disaster} - Crescimento', 0, 1],
        'categories': [f'{disaster} - Crescimento', 1, 0, 10, 0]
    })
    chart.set_title({'name': 'Crescimento ao longo dos anos'})
    chart.set_x_axis({'name': 'Ano'})
    chart.set_y_axis({'name': 'Crescimento'})
    worksheet.insert_chart('H2', chart)

    writer.save()
    excel_data = output.getvalue()

    # Codificar o arquivo Excel em base64 para criar um link de download direto
    excel_base64 = base64.b64encode(excel_data).decode('utf-8')
    href = f"data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,{excel_base64}"
    return href

# Criação do mapa principal
mapa = folium.Map(location=[-75, 0], zoom_start=3, tiles='Stamen Terrain')
heat_data = []

# Adicionando regiões afetadas ao mapa
for region, coordinates in affected_regions.items():
    impacts = "<br>".join(regional_impacts[region])

    # Criando a mensagem para exibir no popup
    message = f"<strong>{region}</strong><br>{impacts}"

    folium.Marker(
        location=coordinates,
        popup=message,
        icon=folium.Icon(icon='exclamation-circle', color='darkblue', prefix='fa')
    ).add_to(mapa)

# Adicionando cidades afetadas ao mapa
# Dados para as cidades afetadas pelas mudanças climáticas na Antártica
cities = {
    "Veneza, Itália": {
        "Coordenadas": [45.4408, 12.3155],
        "Aumento frequente das inundações": "Vítimas: População local e turistas",
        "Danos a monumentos históricos": "Impacto no turismo",
        "Impacto no turismo": "Perdas econômicas",
    },
    "Holanda": {
        "Coordenadas": [52.3676, 4.9041],
        "Inundações costeiras": "Vítimas: Agricultores e residentes locais",
        "Perda de terras agrícolas": "Danos à infraestrutura urbana",
        "Danos à infraestrutura urbana": "Impacto econômico",
    },
    "Miami, Estados Unidos": {
        "Coordenadas": [25.7617, -80.1918],
        "Inundações costeiras frequentes": "Vítimas: Residentes locais e turistas",
        "Erosão da praia": "Impacto nas propriedades à beira-mar",
        "Impacto nas propriedades à beira-mar": "Ameaça a ecossistemas como os Everglades",
        "Ameaça a ecossistemas como os Everglades": "Perdas econômicas",
    },
    # Adicione mais cidades afetadas conforme necessário
}

# Estimativa de quantas pessoas serão vítimas dos desastres climáticos
estimativa_vitimas = {
    "Veneza, Itália": 50000,  # Estimativa de 50.000 vítimas
    "Holanda": 75000,         # Estimativa de 75.000 vítimas
    "Miami, Estados Unidos": 100000,  # Estimativa de 100.000 vítimas
    # Adicione estimativas para outras cidades afetadas
}

# Adicionando camadas de desastres
disaster_layers = {disaster: folium.FeatureGroup(name=disaster) for disaster in disasters}

for _ in range(20):
    coords = [-80 + random.uniform(-5, 5), random.uniform(-20, 20)]
    heat_data.append(coords)

    disaster = random.choice(disasters)
    level = random.choice(levels)
    min_probability, max_probability = probabilities[level]
    probability = random.randint(min_probability, max_probability)
    increase_chance = random.randint(1, 100)

    icon_color = colors[level]
    href = generate_excel_link(disaster)

    info = f"""
    <div style="width:250px;">
        <div class="card">
            <div class="card-header" style="background-color: {icon_color}; color: white;">
                <strong>{disaster}</strong>
            </div>
            <ul class="list-group list-group-flush">
                <li class="list-group-item">Nível de Gravidade: <strong>{level}</strong></li>
                <li class="list-group-item">Probabilidade de Ocorrência Atual: <strong>{probability}%</strong></li>
                <li class="list-group-item">Chance de Aumento no Futuro: <strong>{increase_chance}%</strong></li>
            </ul>
            <div class="card-footer">
                <a href="{href}" download="{disaster.replace(' ', '_')}.xlsx" class="btn btn-primary">Baixar Excel</a>
            </div>
        </div>
    </div>
    """

    marker = folium.Marker(
        location=coords,
        popup=folium.Popup(info, max_width=265),
        icon=folium.Icon(icon=icons[disaster], color=icon_color, prefix="fa")
    )

    # Adiciona o marcador ao grupo de camadas apropriado
    marker.add_to(disaster_layers[disaster])

# Adiciona cada grupo de camadas ao mapa
for disaster, layer in disaster_layers.items():
    layer.add_to(mapa)

global_emission_layer = folium.plugins.HeatMap(global_emission_data, name="Emissões Globais", gradient={0.2: 'blue', 0.4: 'green', 0.6: 'yellow', 0.8: 'orange', 1: 'red'})
global_emission_layer.add_to(mapa)
heat_layer = folium.plugins.HeatMap(heat_data, name="Mapa de Calor")
heat_layer.add_to(mapa)

# Adiciona o controle de camadas ao mapa
folium.LayerControl().add_to(mapa)

mapa.save("antarctica_disasters_v3.html")
mapa